基于深度学习实现海洋垂直流速更好地重建

   海洋垂直流速直接影响着海洋中的热量、盐度及营养物质的垂直交换和输送。然而垂直流速通常比水平速度小3-4个量级，难以直接观测获得。因此大多通过基于动力框架的方法对其进行诊断，例如有效表面准地转（eSQG）方法。该方法只需要将海表面高度SSH作为输入，即可对海洋中的三维场进行有效重建。此外，近年来随着深度学习等机器学习方法的发展，为认识海洋提供了一种全新的途径，因此本研究将尝试使用深度学习算法从海表面数据中提取垂直流速信号。

借助一套高分辨率海洋模式模拟，首次评估了基于深度学习算法的海洋垂直流速重建。相比于传统的动力诊断方法，该方法在上层海洋的重建结果展现出更高的相关性以及更低的误差；此外，该方法只需要输入一张45×45公里的海表高度图片，即可得到中心点的流速大小，远远小于传统方法的数据量需求，具有结合未来高分辨率海洋观测实施近实时垂直流速估计的巨大潜力。

本研究在国际上首次评估了基于深度学习算法的海洋垂直流速重建，并为未来海洋高分辨率观测的应用提供了新思路。